张量列（Tensor Train）多维逆拉普拉斯变换：突破高维积分“维度灾难”的量子化学及统计物理新利器
本文深度解析了基于张量列（Tensor Train）分解的多维逆拉普拉斯变换（ILT）最新研究成果，探讨其如何通过低秩张量网络表示将指数级计算复杂度降至多项式级别，并分析了该方法在多维随机分布与量子化学/统计物理动力学中的潜在应用前景。
Tensor Train
自适应张量列 Metadynamics：打破高维自由能探索的“维度诅咒”
本文深度解析了一种结合张量列（TT）分解与元动力学（Metadynamics）的新型增强采样方法，该方法通过线性扩展的计算复杂度实现了多达14个集体变量的高维自由能景观探索。